Elkonsumenters drivkrafter för en ökad förbrukningsflexibilitet

Transkript

1 Elkonsumenters drivkrafter för en ökad förbrukningsflexibilitet Hushålls attityder och anpassningar till en tidsdifferentierad och effektbaserad elnätstariff Elforsk rapport 14:41 C. Bartusch, P. Juslin, U. Persson-Fischier och J. Stenberg Juni 2014

2 Elkonsumenters drivkrafter för en ökad förbrukningsflexibilitet Hushålls attityder och anpassningar till en tidsdifferentierad och effektbaserad elnätstariff Elforsk rapport 14:41 C. Bartusch, P. Juslin, U. Persson-Fischier och J. Stenberg Juni 2014

3 Förord Projektet Elkonsumenters drivkrafter för en ökad förbrukningsflexibilitet har genomförts under programmet Smart Grids Målet var att öka kunskapen om hushålls drivkrafter för ökad förbrukningsflexibilitet, som kan ligga till grund för en ändamålsenlig segmentering av kunder med avseende på möjligheten att påverka effektuttaget samt utformningen av nya affärsmodeller, produkter och tjänster. Projektgruppen, som är verksam vid Uppsala universitet, omfattar projektledaren Cajsa Bartusch (forskare vid Institutionen för teknikvetenskaper), Peter Juslin (professor i kognitionspsykologi vid Institutionen för psykologi), Ulrika Persson-Fischier (forskningsassistent vid Institutionen för teknikvetenskaper) och Jesper Stenberg (projektassistent vid Institutionen för teknikvetenskaper). Per Lilja (chef ao elnät och stadsnät, Sollentuna Energi AB), Björn Larsson (chef kundanläggningar, Sollentuna Energi AB), Kjell Sjöberg (VD, Boo Energi ekonomisk förening), Renata Micunovic (koordinator, Boo Energi ekonomisk förening), Kenneth Mårtensson (VD Sala-Heby Energi AB), Maria Karwonen (informatör/kommunikatör, Sala-Heby Energi AB) och Johan Kvarnström (VD, Svenska Energigruppen AB) ingår i projektets referensgrupp. Smart Grids programmets programstyrelse består av följande ledamöter: Peter Söderström, Vattenfall Eldistribution AB (ordförande) Göran Ericsson, Svenska Kraftnät (vice ordförande) Rolf Gustafsson, Mälarenergi AB Susann Persson, Jämtkraft AB Claudio Marchetti, ABB AB Ingvar Hagman, NKT Cables AB Anders Trana, Telia Sonera AB Anders Bülund, Trafikverket Hannes Schmied, NCC AB Anders Johansson, SABO AB Linda Karlsson, Siemens AB Lawrence Jones, Alstom AB Matz Tapper, Svensk Energi (adjungerad) Susanne Olausson, Elforsk AB (programansvarig) Följande bolag har deltagit som intressenter till projektet. Elforsk framför ett stort tack till samtliga företag för värdefulla insatser. Svenska Kraftnät Vattenfall Eldistribution AB Göteborg Energi AB Skellefteå Kraft AB Mälarenergi Elnät AB Jämtkraft AB Umeå Energi Elnät AB Öresundskraft AB Jönköping Energi Nät AB Gävle Energi AB Sandviken Energi Elnät AB Trollhättan Energi Elnät AB Borås Elnät AB Landskrona Stad NKT Cables AB SABO Combitech AB NCC Construction Sverige AB ABB AB TeliaSonera AB

4 Eskilstuna Energi & Miljö AB Sundsvall Elnät AB Härjeåns Nät AB Halmstad Energi & Miljö Nät AB Falu Elnät AB AB Borlänge Energi Trafikverket Siemens AB Elverket Vallentuna Alstom AB Basprojektet Stockholm i augusti 2014 Susanne Olausson Elforsk AB Programområde Överföring och Distribution

5 Sammanfattning De estimerade effekterna av en tidsdifferentierad och effektbaserad elnätstariff, i form av förändrade elkonsumtionsmönster, är förhållandevis marginella och begränsade till hushåll som bor i villa. Resultaten tyder på att villaägarna i Sollentuna, som ett led i sin anpassning av elanvändningen till effekttariffen, har minskat sin elanvändning under höglasttid med 2,3 och 1,2 procent under sommar- respektive vintermånaderna i jämförelse med referensgruppen i Saltsjö-Boo. Det finns inget som tyder på en liknande effekt bland bostadsrätter och motsvarande analyser avseende hyresrätter har inte varit möjliga med anledning av att referensgruppen i det här fallet inte var representativ. Resultaten indikerar vidare att effekttariffer tydligt påverkar hushålls attityder och intentioner att flytta elanvändning från hög- till låglasttid, men att dessa inte återspeglas i deras faktiska beteende. Det finns således endast ett svagt samband mellan förekomsten av effekttariff och andelen el som förbrukas under hög- respektive låglasttid bland de hushåll som omfattades av studien. De psykologiska faktorer som har störst betydelse för om, och i så fall i vilken utsträckning, hushållen anpassar sin elanvändning till en effekttariff i det här avseendet är de förväntade konsekvenserna av, och därmed attityden till, den aktuella beteendeförändringen samt den upplevda graden av kontroll över densamma. Mer konkret innebär det att ekonomiska besparingar samt positiva effekter för miljö, klimatförändringar och en hållbar utveckling för yngre och kommande generationer utgör de viktigaste drivkrafterna, medan omständigheten att man anser sin elförbrukning vara i princip obefintlig, eller att man redan idag använder i stort sett all el under låglasttid utgör de största hindren, för att anpassa sin elanvändning till effekttariffen. De skillnader som har observerats avseende såväl drivkrafter som faktiskt beteende är genomgående större mellan de olika boendeformerna än de båda områdena, det vill säga skillnaderna som beror på om hushållen har en effekttariff eller inte, vilket tyder på att man bör anpassa affärsmodeller för ökad förbrukningsflexibilitet till olika hushållskategorier. Denna slutsats bekräftas av en klusteranalys och påföljande segmentering, som identifierade sex för ändamålet relevanta och heterogena grupper av hushåll inom varje boendeformskategori. Slutsatsen som har dragits är således att viljan finns där, men att de önskade effekterna uteblir. Potentialen är med andra ord stor, men vi behöver mer sofistikerade affärsmodeller för att realisera den.

6 Summary In terms of changes in the pattern of electricity use, the estimated effects of a demand-based, time-of-use electricity distribution tariff are fairly marginal and limited to households living in single-family houses. The results suggest that this category of homeowners in Sollentuna, as part of adjusting their electricity consumption to the demand-based tariff, has decreased their demand by 2.3 and 1.2 per cent during the summer- and winter months respectively as compared to the reference group in Saltsjö-Boo. There is nothing to suggest that there are similar effects among homeowners in condominium apartments and the corresponding analysis in the group of households living in rental apartments turned out not to be possible as the reference group proved not to be representative. The results further indicate that demand-based tariffs have an evident effect on households attitudes and intentions to shift electricity use from peak- to off-peak hours, but also that these are not reflected in their actual behavior. There is consequently only a weak relation between the occurrence of a demand-based tariff and the share of electricity that is consumed in peak- and off-peak hours respectively among the households that the study covered. The psychological factors that have the most influence on whether or not, and in that case to what extent, households adapt their electricity use to a demand-based tariff in this sense are the expected consequences of, and so their attitude towards, the behavioral change at hand as well as the degree to which they perceive to have control over it. In more concrete terms, this means that economic savings and positive effects on the environment, climate change and a sustainable development for younger and future generations are the most important driving forces, while the circumstance of considering ones electricity consumption to be basically non-existing, or that one uses most of the electricity during off-peak hours as it is are the greatest barriers, for adapting ones electricity consumption to the demand-based tariff. The differences that have been observed with respect to driving forces and actual behavior are consistently more significant between the housing categories than the areas, that is differences that depend on whether the households have a demand-based tariff or not, which suggests that business models that aim at increasing consumption flexibility should be adapted to different categories of households. This conclusion is supported by a cluster analysis and a subsequent segmentation, which identified six relevant and heterogeneous groups of households to this end in each of the housing categories. The overall conclusion that has been drawn is that the will is there, but the desired effects do not happen. The potential is in other words great, but we need more sophisticated business models to realize it.

7 Innehåll 1 Inledning Bakgrund Syfte Teoretisk referensram Tidigare erfarenheter av effekttariffer Implikationer av beteendevetenskaplig forskning Metod Urval och datainsamling Analyserna avseende hushålls respons Enkätstudiens design Analyser avseende hushålls drivkrafter Klusteranalys avseende kundsegmentering Resultat Är hushåll flexibla i sin elanvändning Känner hushållen till vilken elnätstariff de har? Skiljer sig elanvändningen mellan områdena åt? Skiljer sig elanvändningsmönstren mellan områdena åt? Vilka är drivkrafterna för flexibel elanvändning I hur hög grad används el under höglasttid? Finns avsikten att flytta sin elkonsumtion till låglasttid? Vilka överväganden motiverar hushållen att flytta lasten? Vilka konkreta motivationsgrunder motiverar hushållen? Vilka är implikationerna för kundsegmentering? Slutsatser och diskussion 28 6 Referenser 32 7 Bilagor 34

8 1 Inledning I takt med att elanvändningsmönstret förändras som ett led i ökningen av intermittenta energikällor såsom sol och vind i energisystemet blir utmaningen att upprätthålla balansen mellan produktion och konsumtion allt större. Mot den bakgrunden vänder myndigheter och elbolag blickarna mot efterfrågesidan för att öka leveranssäkerheten, minska utsläppen och skapa välfungerande och hållbara elmarknader. Det finns goda möjligheter till såväl delat ansvar som delade vinster i utvecklingen av en hållbar nätverksamhet, men bakom oss har vi en lång historia med passiva kunder, som också måste med på tåget (Darby, 2010). Utgångspunkten är vidare det så kallade energieffektivitetsgapet, det vill säga insikten om att elkonsumenter varken responderar på ekonomiska incitament i så hög grad som är önskvärt eller som kan förväntas av ekonomiska modeller. Inte minst har detta visat sig problematiskt när det gäller att vidmakthålla beteenden över tid och att generalisera till andra energisparande åtgärder, så kallade spillover effects. Även allmänna informationskampanjer har sällan någon större effekt på människors vanor och beteenden. Det uppstår därmed ett gap mellan den effektiviseringspotential som situationen erbjuder och den som faktiskt realiseras via människors beteenden. Paul C. Stern (2011, sidan ), ordförande i panelen för klimatförändringar i den amerikanska motsvarigheten till svenska Vetenskapsrådet (the National Research Council) uttrycker det så här: Policy makers increasingly recognize that the dominant physical-technicaleconomic model of energy use is incomplete, and they are turning to behavioral scientists for better conceptual models and for advice on how to implement them to make policies and programs more effective. Detta ansluter till den allmänt ökande insikten om att konsumenters och andra kommersiella aktörers beteenden styrs av en rad faktorer som går utöver rent ekonomiska incitament, inklusive värderingar och attityder (se till exempel Kamenica, 2012, och Fehr, 2009). Styrmedel som syftar till för att förändra människors energivanor fokuserar vanligen på ekonomiska incitament. Detta trots att forskning tyder på att miljöfrämjande motiv är helt avgörande för att åstadkomma de mer omfattande förändringar i beteenden och attityder som krävs (Kristoffersson m fl, 2013). Idag saknas dock kunskaper och forskning om hur man bäst går tillväga för att stärka sådana motiv. En omfattande litteraturgenomgång av forskning inom ämnesområdet affärsmodeller för ökad förbrukningsflexibilitet, som omfattar ett flertal Europeiska länder, USA, Canada och Australien, har å andra sidan påvisat att den här kategorin av styrmedel i genomsnitt leder till minskade effektuttag i storleksordningen 20 till 50 procent, varav de senare avser studier som även omfattar tekniska lösningar för automatiserad respons. Författarna drar slutsatsen att dessa styrmedel redan har bevisat sin potential och att vidare forskning inom området bör fokusera på att öka kunskapen om, samt anpassa affärsmodellerna till, inhemska marknaders utmärkande egenskaper (Chardon m fl, 2008). Även som ett led i denna strävan är det således angeläget att öka kunskapen om de drivkrafter som är dominerande i olika kundsegment i syfte att realisera den fulla potentialen i detta avseende. 1

9 1.1 Bakgrund Realiseringen av de ambitiösa energi- och klimatmålen på såväl nationell som europeisk nivå ställer bland annat krav på ett smartare elnät. Detta för att möjliggöra en integration och balansering av intermittenta energikällor såsom sol och vind samt hantera de förändrade konsumtionsmönster som elektrifieringen av fordonsparken förväntas medföra, vilket i sin tur både påverkar och ställer krav på elkonsumenters energirelaterade beteende. Som ett led i Sveriges strategi för omställningen till ett hållbart energisystem måste det således skapas förutsättningar för elkonsumenter att medverka till en effektivare elanvändning genom att minska konsumtionen när överförings- och produktionskapaciteten är begränsad. Den tekniska potentialen avseende förbrukningsflexibilitet i industrin och bostadssektorn bedöms uppgå till respektive MW. Den totala effektreduktionen under ett fåtal timmar uppskattas till minst 2000 MW (Linnarsson m fl, 2013), vilket motsvarar ca procent av den installerade effekten (Lundgren 2008). Tidsdifferentierade elnätstariffer lyser, trots de höga förväntningarna på positiva effekter, med sin frånvaro inom distributionen på den svenska elmarknaden. De tekniska förutsättningarna i form av fjärravläsningssystem med elmätare som kan leverera timvärden är på plats, men få nätägare har tagit steget att införa dem. En viktig orsak till att det förhåller sig så är antagligen det faktum att förhandsregleringen i dagsläget inte premierar en effektivare användning av nätet i den här bemärkelsen. År 2012 gjorde Energimarknadsinspektionen en utredning som syftade till att undersöka ändamålsenligheten med att ställa mer detaljerade krav på elnätstariffernas utformning. Utredningen kom fram till att de bör uppmuntra till ett effektivt utnyttjande av nätkapaciteten och att tidsdifferentierade nättariffer som baseras på uttagen energi och effekt (kwh och/eller kw) är exempel på sådana. Grundtanken är att distributionen av el är billigare eller helt kostnadsfri när elnätet är som minst belastat, det vill säga på kvällar, nätter och helger, medan den kostar mer under dagtid på vardagar. För närvarande utreder Energimarknadsinspektionen möjligheten att indirekt stimulera införandet av sådana effekttariffer via införandet av incitament för utvecklingen av smarta nät i förhandsregleringen (Werther, 2014). 1.2 Syfte I ljuset av dessa kunskapsluckor har de övergripande syftena med studien varit att öka kunskapen om hushålls drivkrafter för ökad förbrukningsflexibilitet och hur den kan ligga till grund för en segmentering av elkonsumenter i samband med utformningen av affärmodeller, produkter och tjänster som syftar till ökad förbrukningsflexibilitet samt att kvantifiera effektiviseringspotentialen, i form av ett minskat effektuttag i högslastperioder och en förskjutning av elanvändningen från hög- till låglastperioder, hos en tidsdifferentierad och effektbaserad nättariff i bostadssektorn. 2

10 2 Teoretisk referensram I det här kapitlet redogör vi dels för tidigare erfarenheter avseende tidsdifferentierade elnätstariffer dels för implikationerna av den beteendevetenskapligt inriktade forskningen i kontexten elanvändning. 2.1 Tidigare erfarenheter av effekttariffer Tidigare studier (Bartusch m fl, 2011; Bartusch, 2012 samt Bartusch och Alvehag, 2014) har visat att villaägare i Sala-Heby Energis distributionsområde, trots förhållandevis små ekonomiska incitament, på såväl kort som lång sikt anpassar sin elanvändning till elnätsbolagets tidsdifferentierade och effektbaserade elnätstariff genom att minska sitt effektuttag i höglastperioder och flytta delar av sin elanvändning från hög- till låglastperioder. Såväl hushållens individuella som sammanlagrade effekttoppar minskade avsevärt under höglasttid och lastkurvans profil på vardagar förändrades i den meningen att elanvändningen minskade under höglasttid och ökade markant vid låglastperiodens inträde på kvällen. Eftersom medeltemperaturen under vinterhalvåret varierar från år till år gör även magnituden av de estimerade effekterna det. Under de sex år som dessa studier omfattade var den genomsnittliga minskningen av medelvärdet på hushållens individuellt högsta effekttopp 9,3 och 7,5 procent, samt den sammanlagrade effekttoppen 15,6 och 8,4 procent, vilket innebar en förskjutning av elanvändningen med 2,4 och 0,2 procent från hög- till låglasttid, under sommar- respektive vintermånaderna. Intervjuer som genomfördes inom ramen för den förstnämnda av dessa studier tyder på att hushållen, förutom de ekonomiska motiven, även har haft miljörelaterade incitament att svara på effekttariffens prissignaler genom att ändra sitt energirelaterade beteende. Vidare upplever många hushåll att de har behov av realtidsåterkoppling på sin elanvändning, och somliga även de därmed förknippade kostnaderna, för att känna att de har kontroll över sin elanvändning. Enligt Lars Ohlsson (2013), VD på Falbygdens Energi, har dock kundresponsen på en liknande effekttariff 1 som ganska nyligen infördes i elbolagets distributionsområde uteblivit. Erfarenheterna från Sala säger oss att effekten i form av förbrukningsflexibilitet inte är omedelbar, utan medvetenheten om tariffens existens tenderar att växa fram med tiden. Eftersom effekttariffen i fråga implementerades så sent som för ett år sedan finns det således en chans att de eventuella effekterna av densamma inte har visat sig ännu. Dessa motstridiga erfarenheter understryker dock vikten av att vidare undersöka hushålls drivkrafter för att vara flexibla i sin elanvändning. 1 Den huvudsakliga skillnaden mellan effekttariffen som Falbygdens Energi, Sollentuna Energi och Sal-Heby Energi tillämpar är att kundens kostnad i det förstnämnda fallet är baserad på den högsta effekttoppen under periodens höglasttimmar, medan den i de två senare fallen beräknas på medelvärdet av de tre respektive fem högsta effekttopparna på höglasttid under månaden. 3

11 2.2 Implikationer av beteendevetenskaplig forskning Men varför väljer hushåll egentligen att förbruka el på det sätt de gör? Vad är det som påverkar hur elanvändningsmönstret ser ut? För våra ändamål är det inte bara viktigt att ta reda på hur hushållen faktiskt förbrukar el, utan också vad det är som påverkar deras beteende i den ena eller andra riktningen. Det är viktigt att förutsättningslöst undersöka orsakerna till människors beteende och inte ta för givet hur och varför människor handlar som de gör. Detta eftersom människor inte alltid gör som de säger att de gör; vilket på engelska kallas för the value-action gap (Blake, 1999). Ofta tas det för givet att människor agerar i egenintresse, är välinformerade och fattar rationella beslut. Med utgångspunkt i detta har styrmedel ofta involverat ekonomiska incitament, med förhoppningen att detta skall påverka människors beteenden i önskvärd riktning. Visst påverkas människor av ekonomiska incitament, men inte alls i den utsträckning som förväntats. Andra drivkrafter, till exempel normer, moral och socialt tryck har ofta förbisetts. Dessutom har det visat sig att ekonomiska incitament också kan få kontraproduktiva effekter i och med att de tenderar att uppmuntra tävling och maximering istället för miljötänkande och prosociala värderingar och således ersätta interna och mer varaktiga drivkrafter. Under dessa förutsättningar upphör det önskvärda beteendet så snart det ekonomiska incitamentet upphör. En annan vanlig åtgärd för att försöka påverka människors beteenden är informationskampanjer, byggt på antagandet att ökad kunskap i sig förändrar beteenden. Även detta har visat begränsat resultat. Kunskapen ökar visserligen med mer information, men denna nya kunskap översätts inte alltid till handling. Huruvida information leder till beteendeförändringar beror också på den kognitiva inramningen av informationen (Kahneman och Tversky, 2000), exempelvis i termer av en vinst eller en förlust och vad som anges som default-alternativ. Det beror också på vilket mentalt konto som informationen aktiverar. Människor tenderar att ha olika sådana för olika aktiviteter, till exempel nöjen, fasta utgifter och sparande. Beroende på vilket mentalt konto som aktiveras kan en och samma utgift upplevas som både stor och liten. Mot bakgrund av dessa begränsningar i den nuvarande förståelsen av hur mänskligt beteende påverkas ter det sig extra angeläget att även undersöka hur till exempel socialt tryck, den möjlighet man upplever sig ha att välja beteende överhuvudtaget och moraliska övertygelser påverkar beteenden. En metod som visat sig vara framgångsrik i att förutspå och förstå drivkrafterna till människors beteenden är Theory of Planned Behaviour, TPB, vilken skapades av professor Icek Ajzen och har använts till att förutse en mängd olika slags beteenden, alltifrån bilbältesanvändning till preventivmedel. Utgångspunkten för TPB är att mänskligt beteende styrs av tre olika omständigheter: föreställningar om de troliga konsekvenserna av beteendet (beteenderelaterade föreställningar), föreställningar om de normativa förväntningarna hos andra (normativa föreställningar) och föreställningar om förekomsten av faktorer som kan underlätta eller förhindra utförandet av beteendet (kontrollrelaterade föreställningar). Beteenderelaterade föreställningar framkallar en positiv eller negativ attityd till beteendet, normativa föreställningar resulterar i en upplevd social förväntning och kontrollrelaterade föreställningar ger upphov till en viss upplevd kontroll över situationen. Dessa omständigheter utgör sammantaget en beteenderelaterad intention (Ajzen, 1991). Förväntade kon- 4

12 sekvenser kan exempelvis handla om att spara pengar eller att komfort och bekvämlighet påverkas positivt eller negativt. Upplevd kontroll kan exempelvis handla om att inte själv kunna ställa in önskad temperatur på elementet, vilket torde innebära att man upplever det som omöjligt att sänka inomhustemperaturen. Subjektiv norm innefattar både det man tycker är normalt och vanligt att göra samt normer för att göra något, det vill säga det man bör göra. En studie som har genomförts i enlighet med TPB-metodiken i kontexten hushålls energianvändning och -sparande har exempelvis visat att energianvändning i första hand bestäms av socio-demografiska variabler, medan energirelaterade beteendeförändringar som kräver någon form av kognitiv (medveten) ansträngning tenderar att relatera till psykologiskt betingade variabler (Abrahamse och Steg, 2009). 5

13 3 Metod Studien utgör i grund och botten en jämförelse avseende hushålls elanvändningsmönster och attityder till förbrukningsflexibilitet i Sollentuna och Saltsjö- Boo. I det förra området har nätbolaget sedan slutet på 1990-talet en effekttariff som innebär att kundernas kostnader för eldistribution är baserad på medelvärdet av de 3 högsta effekttopparna (kr/kw) under faktureringsperioden. Det är dock bara effektuttagen under höglasttid, det vill säga vardagar mellan klockan 07 och 19, som är debiteringsgrundande. Övrig tid definieras som låglasttid, under vilken eldistributionen således är kostnadsfri. Elnätsbolaget i Saltsjö-Boo tillämpar dock fortfarande en traditionell elnätstariff, som således innebär att kundens kostnader för eldistributionen är baserade på den totala elanvändningen (kr/kwh) under den aktuella månaden. I det följande redogör vi i mer detalj för de metoder som vi har använt oss av i samband med de olika delstudierna som projektet omfattar. 3.1 Urval och datainsamling Inledningsvis omfattade urvalet totalt hushåll, varav hälften bor i Sollentuna och den andra hälften i Saltsjö-Boo. Dessa var vidare jämt fördelade mellan bostadsformerna villa, bostads- och hyresrätt. Det faktum att det ursprungliga urvalet av misstag även kom att uppfatta ett mindre antal företag och fritidshus innebar dock att det slutgiltiga antalet hushåll var något färre och inte helt jämnt fördelat mellan områdena och boendeformerna (Tabell 1). Tabell 1: Urval fördelat på område och bostadsform (N) boendeform/område villor bostadsrätter hyresrätter totalt Sollentuna Saltsjö Boo summa För vart och ett av hushållen bereddes vi tillgång till elanvändningsdata på timnivå under perioden 1 november 2012 till 31 oktober Anledningen till att vi valde den här perioden i stället för kalenderåret 2013 är att det föll sig mer naturligt med tanke på att prisnivåerna på Sollentunas effekttariff varier mellan sommar- och vintersäsongen, vilket betyder att priset för eldistributionen är lägre den 1 april till 31 oktober och således högre den 1 november till 31 mars. Databasen med hushållens timvärden avseende elanvändningen kompletterades med deras svar från en enkätstudie om hushålls drivkrafter att vara flexibla i sin elanvändning, som även omfattade ett mindre antal frågor av sociodemografisk karaktär - såsom ålder, kön, inkomst, utbildningsnivå och antal familjemedlemmar - samt omständigheter som kan vara av avgörande betydelse för elanvändningen exempelvis förekomsten av hushållsapparater såsom disk- och tvättmaskin samt huruvida det har skett några förändringar i hushållet under den aktuella perioden som kan tänkas ha haft en stor inverkan på densamma. 6

14 3.2 Analyserna avseende hushålls respons Analyserna som avsåg att kvantifiera hushållen i Sollentunas eventuella anpassning av elanvändningen till effekttariffen omfattade en rad jämförelser med referensgruppen i Saltsjö-Boo avseende ett flertal parametervärden: medelförbrukningen medellastkurvans profil fördelningen av den totala elanvändningen mellan hög- och låglasttid högsta effektuttaget högsta sammanlagrade effektuttaget lastfaktorn och sammanlagrade lastfaktorn. Med sammanlagrad effekt avses summan av alla hushålls effektuttag i varje enskild timme. Lastfaktorn, som är ett mått på hur jämn förbrukningen är, definieras som kvoten av den högsta effekttoppen och medelförbrukningen (Pyrko, 2004). Samtliga parametervärden beräknades på databasen med hushållens timvärden för perioden som studien omfattar, det vill säga från och med den 1 november 2012 till och med den 31 oktober Separata beräkningar har gjorts för grupper av hushåll med olika boendeform (villor, bostads- och hyresrätter), sommar- och vintermånaderna (april-oktober respektive november-mars) samt hög- och låglasttid (vardagar kl respektive övrig tid). 3.3 Enkätstudiens design Enkäten byggdes strukturellt upp i enlighet med TPB, the Theory of Planned Behavior (teorin om planerat beteende). Ett centralt resultat från forskning som bedrivits enligt TPB är att det målbeteende som man försöker predicera inledningsvis bör definieras så tydligt som möjligt med avseende på handling, kontext och tidsintervall samt att alla frågor i enkäten bör referera till just detta målbeteende. Att vara konsekvent i detta avseende har visat sig vara en viktig förutsättning att vara framgångsrik när det gäller att förutsäga beteenden. Det målbeteende som den aktuella enkäten avsåg var att flytta elanvändning från hög- till låglasttid och begreppet effekttariff definierades kortfattat i de inledande instruktionerna. I enkäten till hushållen i Saltsjö-Boo gjordes dock tillägget att de ombads uppskatta sin benägenhet och inställning till att flytta last från hög- till låglasttid givet att eras elnätsbolag införde en effekttariff. Tanken är att beteendet (i detta fall att flytta elanvändning från hög- till låglasttid) styrs av en intention att utföra det, vilken i sin tur beror på attityd, social norm, och upplevd kontroll. Attityderna syftar på de upplevda konsekvenserna av beteendet (t ex ekonomiska eller miljörelaterade). Subjektiv norm avser i hur hög grad beteendet upplevs som det normala och förväntade i ens sociala omgivning. Upplevd kontroll syftar på i hur hög grad man upplever att man kan kontrollera beteendet. Den grundläggande strukturen hos TPB summeras i Figur 1. 7

15 Källa: Modifierad från Ajzen, I. (2002). Figur 1: Schematisk framställning av TPB. I enkäten skattade hushållen intention, attityd, subjektiv norm och upplevd kontroll direkt på två skalor från 1 till 7 (frågorna som benämns fråga 15 till 22 i Figur 2 och beskrivs närmare i Bilaga 1). Syftet med att använda två skattningsskalor för varje dimension är dels att få mer reliabla mått på dessa skalor, dels att möjligöra att de används som manifesta indikatorer på latenta variabler i senare SEM-analyser (Structural equation modelling analysis) 2. Som framgår i Figur 1 är tanken vidare att attityd, social norm, och upplevd kontroll i sin tur orsakas av mer konkreta föreställningar eller motivationsgrunder (frågorna 23 till 54 i Figur 1, som även de beskrivs mer utförligt i Bilaga 1). Så kan exempelvis en positiv attityd till att flytta sin elanvändning till låglasttid bero på föreställningarna att man kan spara pengar eller att det är bra för miljön. I forskning med TPB har det visat sig speciellt fruktbart att formulera dessa frågor i en väntevärdesliknande form där man dels frågar hur viktigt man upplever att det är att uppnå ett mål (t ex att minska kostnaden för el), dels hur sannolikt det är att man kan nå detta mål genom att utföra beteendet (t ex genom att flytta elanvändning från hög- till låglasttid) och sedan multiplicerar dessa komponenter, såsom i ett matematiskt väntevärde. Denna formulering fångar den interaktion som vanligtvis föreligger mellan medel och mål. Om ett mål är oviktigt att uppnå spelar det ingen roll om beteendet är ett säkert medel att nå målet, man kommer ändå inte att utföra beteendet. En stark motivator blir det först när det både är fallet att målet är viktigt och beteendet är ett säkert sätt att uppnå målet. Dessa konkreta motivationsgrunder mättes därför med par av skattningar på en skala från 1 till 7, där den ena frågan, grovt talat, avsåg hur viktig en faktor är och den andra i hur hög grad beteendet leder till målet (formuleringarna är något annorlunda när det gäller upplevd kontroll, men även dessa frågor multipliceras). För frågorna 23 till 54 i Figur 2 (och som beskrivs närmare i Bilaga 1) multiplicerades dessa två skattningar till ett mått som går från 1 till SEM är en statistisk metod för att testa och estimera kausala samband genom att kombinera statistiska data och kvalitativa kausala antaganden. 8

16 Figur 2: Design av enkätstudien avseende hushållens drivkrafter att flytta elanvändning från hög- till låglasttid. Då frågorna i en TPB-inspirerad enkät ska vara specifika, konkreta och knutna direkt till det beteende som man vill förstå rekommenderar TPB-metodens skapare att man utformar frågorna utifrån resultaten från fokusgrupper, där man fokuserar på temat för undersökningen. Vi genomförde två fokusgrupper med hushåll som bor i Sala-Heby Energis och Sollentuna Energis distributionsområden. Elnätsbolagen hjälpte oss att hitta deltagare till fokusgrupperna och upplät även sina respektive lokaler för ändamålet. Båda fokusgrupperna omfattade ett 10-tal personer av olika kön och med varierande ålder, även 9

17 om den yngre generationen och barnfamiljer var underrepresenterade. Baserat på de diskussioner som fördes i fokusgrupperna kunde vi identifiera ett antal konkreta faktorer som hushåll finner relevanta i den aktuella kontexten, det vill säga beteendet som innebär att flytta elanvändning från hög- till låglasttid. Ett exempel på en intressant observation som gjordes i samband fokusgrupperna är att det verkar som om män och kvinnor förhåller sig till elkonsumtion på mycket olika sätt. Män talar mest i termer av kilowatt, tekniska lösningar och kostnader, medan kvinnor talar mer i termer av vad el kan bidra till, t ex mysbelysning och rena kläder när man behöver dem. Ett exempel på hur erfarenheterna från fokusgrupperna låg till grund för utformningen av enkätfrågorna är det faktum att flera deltagare gav uttryck för uppfattningen att de i princip inte använder någon el under höglasttid och därför inte kan flytta någon konsumtion till låglasttid, vilket resulterade i en fråga som omfattas av sektionen om upplevd kontroll (se UK1 i Figur 2 och Bilaga 1). I denna sektion hamnade även en fråga som relaterar till påståendet att man inte kan flytta last till höglasttid om man jobbar nattskift och således bara är hemma på dagtid. Innehållet i de totalt 18 faktorer som är potentiellt relevanta för om ett hushåll vill flytta elanvändning från hög- till låglasttid antyds kortfattat i Figur 1 och beskrivs i mer detalj i Bilaga 1. Enkäten, samt ett följebrev inklusive kontaktuppgifter, ett frankerat svarskuvert och en bilaga med mer detaljerad information om projektets bakgrund och syfte, skickades per post till hushållen. Två påminnelser skickades till de hushåll som inte hade svarat inom utsatt tig och enkätstudiens svarsfrekvens uppgick till 36 procent. Hur den fördelar sig mellan områdena och bostadsformerna framgår av Figur 3. Figur 3: Procentuell svarsfrekvens bland villorna, bostads- och hyresrätterna i Sollentuna och Saltsjö-Boo. Totalt sett var svarsfrekvensen något högre i Sollentuna (37 procent) än i Saltsjö-Boo (36 procent), men bland hyresrätterna var den dock något lägre (2 procentenheter) än i referensområdet. 3.4 Analyser avseende hushålls drivkrafter Resultaten från enkäten som behandlade kategoriska prediktorer (t ex område, det vill säga Sollentuna eller Saltsjö-Boo) analyserades statistiskt med variansanalys (Analysis of Variance, ANOVA), i förekommande fall komplette- 10

18 rat med kovariansanalys för att säkerställa att ett observerat resultat inte förklaras av annan bakomliggande variabel. I de fall där antagandena för parametriska statistiska tester inte är uppfyllda (t ex normalfördelning hos beroende variablerna och homogen varians i betingelserna, såsom krävs för ANOVA) har motsvarande icke-parametriska test använts (främst Kruskal- Wallis tester). Samband mellan kontinuerliga variabler redovisas i termer av korrelationer och multipla regressionsanalyser. I enlighet med den traditionella konventionen betraktas p-siffror under.05 som statistiskt signifikanta ( säkerställda ) och dessa resultat ges därför en utförligare diskussion och tolkning. Man bör dock ha i åtanke att dessa analyser utförs på ett mycket stort stickprov och att man därför har mycket stor statistisk kraft att säkerställa även, i absoluta termer, ganska svaga samband. Därför bör man inte stirra sig blind bara på om ett samband är signifikant, utan även ta ställning till om effekten eller styrkan på sambandet är tillräckligt stor för att vara av praktiskt intresse. I själva rapporten diskuteras och illustreras resultaten av dessa analyser på en övergripande nivå, medan de statistiska analyserna redovisas i detalj på anvisad plats i respektive bilaga. 3.5 Klusteranalys avseende kundsegmentering Baserat på den datainsamling som har genomförts inom ramen för projektet har vi även genomfört en klusteranalys i syfte att segmentera elanvändarna efter deras attityder och drivkrafter. En klusteranalys är en metod som används för att hitta naturliga grupperingar i en datamängd som i det här fallet avser personer. Ömsesidigt beroende förhållanden mellan personerna undersöks och kluster bildas av homogena grupper av personer som skiljer sig från andra grupper. Följande variabler som fastställdes med utgångspunkt från respondenternas föreställningar kring attityd, social norm och upplevd kontroll användes vid utförandet av klusteranalysen: K1-K7 SN1, SN2b, SN3- SN4, UK2, UK4-UK5 (för en beskrivning av de enskilda motivationsgrunderna se Bilaga 1). Vidare studerade vi hur dessa sex segment var fördelade mellan de boendeformer och bostadsområden som studien omfattar. 11

19 4 Resultat I det följande presenterar vi projektets resultat från samtliga delstudier som projektet har omfattat. Vi inleder redogörelsen med att presentera resultat som relaterar till storleksordningen på den eventuella förbrukningsflexibiliteten och övergår därefter till de resultat som rör drivkrafter för att flytta elanvändning från hög- till låglasttid. Slutligen redogör vi för de resultat som har implikationer för en segmentering av elkonsumenter i bostadssektorn. 4.1 Är hushåll flexibla i sin elanvändning Under den här rubriken redogör vi således för resultaten av de analyser som syftade till att identifiera och i förekommande fall kvantifiera manifestationer av förbrukningsflexibilitet. Dessa har omfattat en frekvensanalys avseende hushållens kunskap om huruvida de har en effekttariff eller inte samt jämförande analyser avseende de parametrar som vi presenterade i metodkapitlet. Resultaten från den förra redovisas nedan, följt av de som avser de procentuella skillnaderna i medelförbrukning mellan Sollentuna och Saltsjö-Boo på hög- och låglasttid under sommar- och vintermånaderna och de absoluta skillnaderna i medellastkurvans profil mellan de båda områdena. Resultaten avseende de övriga parmetrarna - det vill säga fördelningen av den totala elanvändningen mellan hög- och låglasttid, det högsta effektuttaget, det högsta sammanlagrade effektuttaget (den maximala lasten), lastfaktorn och den sammanlagrade lastfaktorn - har inte påvisat några entydiga bevis för att hushållen i Sollentuna har anpassat sin elanvändning till sitt elnätsbolags effekttariff och dessa redovisas därför separat i Bilagorna Känner hushållen till vilken elnätstariff de har? En absolut förutsättning för att elkonsumenter ska anpassa sin elanvändning till en effekttariffs prissignaler är att de känner till dess existens. Mot den bakgrunden inleder vi med att redogöra för i hur stor utsträckning hushållen känner till om deras elnätsbolag har en effekttariff eller inte. Figur a, b och c tillhandahåller en sammanställning av respondenternas enkätsvar på den frågan. 12

20 Figur 4a: Villaägarnas svar på frågan om deras respektive elnätsbolag har en effekttariff. Figur 4b: Bostadsrättsinnehavarnas svar på frågan om deras respektive elnätsbolag har en effekttariff. Figur 4c: Hyresrättsinnehavarnas svar på frågan om deras respektive elnätsbolag har en effekttariff. 13

21 Andelen hushåll i Sollentuna som känner till att de har en effekttariff uppgår till 33 procent och kännedomen om dess existens är mest utbredd bland villaägare. Totalt sett är det 7 procent som felaktigt tror sig veta att de inte har, och 58 procent som inte vet om de har, en effekttariff. Osäkerheten är, med tanke på att hushållen i Saltsjö-Boo inte har en effekttariff, inte helt oväntat större bland hushållen i det här området. En så hög andel som 81 procent anger att de inte vet om deras elnätsbolag har, medan 12 procent vet att de inte har och 5 procent felaktigt tror att de har, en effekttariff Skiljer sig elanvändningen mellan områdena åt? En likvärdig årsmedelförbrukning i de båda områdena som omfattas av studien ansågs vara en indikation på att urvalen i Saltsjö-Boo utgör lämpliga referensgrupper för de jämförande analyserna avseende elanvändningen. Av den anledningen inledde vi de statistiska estimeringarna av en eventuell förbrukningsflexibilitet i Sollentuna med en jämförelse av den totala elanvändningen under den aktuella perioden. Den genomsnittliga årsförbrukningen bland villorna i Sollentuna och Saltsjö-Boo uppgår till respektive kwh, vilket innebär att den är 0,9 procent högre i det förstnämnda området. Bland bostadsrätterna uppgår årsmedelförbrukningarna i Sollentuna och Saltsjö-Boo till respektive kwh. Det betyder att den procentuella skillnaden mellan områdena är något större och att årsförbrukningen är 3,1 procent lägre bland bostadsrätterna i Sollentuna än i referensområdet. Den genomsnittliga årsförbrukningen bland hyresrätterna i Sollentuna och Saltsjö-Boo uppgår till respektive kwh. Bland hushållen med den här boendeformen är således årsförbrukningen så mycket som 34 procent högre i Sollentuna än i Saltsjö-Boo. Denna omständighet tyder på att de båda urvalen inte är helt jämförbara, vilket i sin tur innebär att eventuella skillnader i elanvändningen mellan områdena som beror på effekttariffen är i stort sett omöjliga att identifiera och än mindre säkerställa. I ljuset av det resonemanget är således de resultat som avser villor mest tillförlitliga. Spridningen i datasetet är mycket stor. Variationsvidden, det vill säga skillnaden mellan den lägsta och högsta årsförbrukningen, motsvarar i genomsnitt ca 3000 procent av den förstnämnda. Skillnaden är i detta avseende som störst bland villorna och bland dem i Sollentuna i synnerhet. Central- och spridningsmått avseende årsmedelförbrukningen bland villor, bostadsrätter och hyresrätter i Sollentuna och Saltsjö-Boo presenteras i Tabell B1 i Bilaga 2. Hur den totala elanvändningen fördelar sig mellan hög- och låglasttid under sommar- och vintermånaderna framgår av Figur B1a-c i Bilaga 3, medan motsvarande central- och spridningsmått presenteras i Tabell B2a-d i Bilaga 4. Hur de procentuella skillnaderna avseende medelförbrukningen mellan Sollentuna och Saltsjö-Boo fördelar sig mellan hög- och låglasttid under sommar och vintermånaderna i villor, bostadsrätter och hyresrätter framgår av Figurerna 5a, b respektive c nedan. 14

22 Figur 5a: Procentuell skillnad avseende medelförbrukningen på hög- och låglasttid under sommar- och vintermånaderna bland villorna i Sollentuna i relation till referensgruppen i Saltsjö-Boo. Figur 5b: Procentuell skillnad avseende medelförbrukningen bland bostadsrätterna i Sollentuna i relation till referensgruppen i Saltsjö-Boo. Figur 5c: Procentuell skillnad avseende medelförbrukningen bland hyresrätterna i Sollentuna i relation till referensgruppen i Saltsjö-Boo. 15

23 Av Figur 5a-c framgår att den, om än mycket begränsade, procentuella skillnaden i årsmedelförbrukning mellan villorna i Sollentuna och Saltsjö-Boo varken är jämt fördelad över säsongerna eller dygnet. Under sommar- och vintermånaderna är den totala elanvändningen 2,9 högre respektive 0,2 procent lägre i Sollentuna än i Saltsjö-Boo. Vad motsvarande skillnader mellan högoch låglasttid beträffar så är elanvändningen i Sollentuna mycket högre under låglasttid (4,1 procent) och obetydligt högre under höglasttid (0,6 procent) än den är i Saltsjö-Boo. Under vintermånaderna är den obetydligt högre under låglasttid (0,6 procent) och till och med något lägre under höglasttid (-1,2 procent) än den är i referensområdet. Sammantaget tyder det på att 2,3 respektive 1,2 procentenheter av de procentuella skillnader avseende elanvändningen som har redovisats ovan representerar en minskning av elanvändningen under höglasttid som kan tillskrivas en respons på effekttariffen. Bland bostadsrätterna är elanvändningen i Sollentuna avsevärt lägre under både sommar- och vintermånaderna (-3,0 respektive -3,2 procent). Den procentuella skillnaden i relation till Saltsjö-Boo är dock något större under hög- än låglasttid, i synnerhet under sommarmånaderna (-3,8 respektive -2,5 procent). Under vintermånaderna är motsvarande skillnader -3,3 respektive -3,1 procent). En jämförelse motsvarande den som gjordes avseende villorna ovan visar att de procentuella skillnader som i det här fallet skulle kunna bero på att hushållen som bor i en bostadsrätt har anpassat sin elanvändning till effekttariffen är obetydande (0,8 och 0,1 procentenheter under sommar- respektive vintermånaderna). Vad hyresrätterna beträffar är mönstret det omvända, det vill säga att hushållen procentuellt sett förbrukar mycket mer i Sollentuna än i Saltsjö-Boo och att skillnaden i det här avseendet är som störst under höglasttid. Det faktum att skillnaden i årsmedelförbrukning mellan hyresrätterna i Sollentuna och Saltsjö-Boo är extremt stor innebär dock att de data som dessa resultat är baserade på egentligen inte kan ligga till grund för några jämförande analyser. Resultaten av de analyser som har gjorts redovisas därför inte närmare här Skiljer sig elanvändningsmönstren mellan områdena åt? Den mest ändamålsenliga metoden att identifiera skillnader i elanvändningsmönster mellan områdena, och därmed identifiera en eventuell förbrukningsflexibilitet i Sollentuna, ansågs vara en jämförelse av medellastkurvan. Figur 6a b och c visar medellastkurvan på vardagar och helger bland villor, bostadsoch hyresrätter under sommar- respektive vintermånaderna. 16

24 Figur 6a: Medellastkurva på helger och vardagar bland villaägare i Sollentuna och Saltsjö-Boo under sommarmånaderna Figur6b: Medellastkurva på helger och vardagar bland villaägare i Sollentuna och Saltsjö-Boo under vintermånaderna 17

25 Figur 6c: Medellastkurva på helger och vardagar bland bostadsrätter i Sollentuna och Saltsjö-Boo under sommarmånaderna Figur 6d: Medellastkurva på helger och vardagar bland bostadsrätter i Sollentuna och Saltsjö-Boo under vintermånaderna 18

26 Figur 6e: Medellastkurva på helger och vardagar bland hyresrätter i Sollentuna och Saltsjö-Boo under sommarmånaderna Figur 6f: Medellastkurva på helger och vardagar bland hyresrätter i Sollentuna och Saltsjö-Boo under vintermånaderna De lastkurvor som presenterars i Figur 6a-f bekräftar att elanvändningen är något högre bland villorna och avsevärt högre bland hyresrätterna i Sollentuna än i Saltsjö-Boo. Bland bostadsrätterna gäller det omvända förhållandet och elanvändningen är således något lägre i Sollentuna. Bortsett från de två första respektive sista timmarna på morgonen och kvällen tenderar elanvändningen ibland villor i Sollentuna att vara i stort sett lika stor eller något lägre än i Saltsjö-Boo under höglasttimmarna. Dessa skillnader är vidare något mer påtagliga under sommarmånaderna, vilket ligger helt i linje med de procentu- 19

27 ella skillnaderna avseende medelförbrukningen på hög- och låglasttid under sommar- och vintermånaderna som presenterats i Figur 5a-c ovan. Baserat på tidigare erfarenheter och det faktum att medelförbrukningen mellan klockan 07 och 09 samt klockan 17 och 19 avviker från mönstret under övriga höglasttimmar har vi dragit slutsatsen att elkonsumenter vid dessa tidpunkter ägnar sig åt aktiviteter som inte kan anpassas till en effekttariff. Med tidigare erfarenheter avser vi de två tidigare nämnda studierna avseende hushålls respons på en liknande effekttariff i Sala-Heby Energis distributionsområde (Bartusch m fl, 2011, samt Bartusch och Alvehag, 2014), som påvisade samma mönster; det vill säga att förbrukningsflexibiliteten tenderar att vara något lägre vid de tidpunkter på dygnet när många elkonsumenter förbereder sina måltider. Med undantag för de två sista höglasttimmarna, under vilka elanvändningen är något lägre i Sollentuna än i Saltsjö-Boo, tenderar skillnaderna mellan lastkurvorna bland bostadsrätter i Sollentuna och Saltsjö-Boo att vara som störst under helgerna. Bortsett från det faktum att elanvändningen är lägre i Sollentuna än i Saltsjö-Boo mellan klockan 17 och 19 är medellastkurvorna i de båda områdena i stort sett identiska under vardagar. Detta skulle i och för sig kunna utgöra en skillnad som beror på en anpassning till effekttariffen. Å andra sidan talar det faktum att detta mönster går stick i stäv med tidigare erfarenheter av förbrukningsflexibilitet bland villaägare för att det rör sig om ett uttryck för att bostadsrättsinnehavarna i Sollentuna och Saltsjö-Boo har olika livsstilar i något avseende. Vad hyresrätterna beträffar är skillnaderna mellan de båda områdena som sagt för stora för att man ska kunna dra några slutsatser om en eventuell förbrukningsflexibilitet, men vi har ändå valt att presentera medellastkurvorna som representerar elanvändningen under vardagar och helger bland hushållen som omfattas av den här gruppen i syfte att åskådliggöra magnituden av de observerade skillnaderna mellan områdena. De procentuella skillnaderna mellan lastkurvans profil bland villorna, bostads- och hyresrätterna i Sollentuna och Saltsjö-Boo framgår av Figur B2a-f i Bilaga Vilka är drivkrafterna för flexibel elanvändning I det följande kommer vi först att analysera den beteendevariabel som står i fokus i enkäten (andel elanvändning på höglasttid). Det bör noteras att de analyser som redovisas här gäller de hushåll för vilka det finns både elanvändningsdata och enkätdata, vilka utgör en delmängd av de data om elanvändning som analyserats i tidigare sektioner. Därefter undersöker vi effekterna av område och boendeform på de psykologiska dimensionerna intention, attityd, subjektiv norm och upplevd kontroll samt hur dessa psykologiska dimensioner relaterar till beteendet. Vi redovisar sedan vilka konkreta sakskäl (t ex ekomomiska, miljöhänsyn) som är starkast relaterade till benägenheten att flytta sin elanvändning till låglasttid I hur hög grad används el under höglasttid? Det beteende som enkätens frågor behandlade var hushållens benägenhet att flytta sin elanvändning från höglasttid till låglasttid. Den utfallsvariabel som är mest relevant för enkätens frågor är därför andelen el som användes under 20

28 höglasttid. Vi analyserade andelen av hushållens elförbrukning som låg på höglasttid som en funktion av område och boendeform (Tabell B3 i Bilaga11). Det fanns ingen statistiskt signifikant effekt av område på denna andel (Saltsjö-Bo 35 %, Sollentuna, 35 %), men en liten signifikant effekt av boendeform som illustreras i Figur 7. Villaägare hade en något lägre andel höglastanvändning (ca. 33%) i jämförelse med kunder som bor i bostadsrätt eller hyresrätt (ca. 36%). I Figur 7 kan möjligen anas en något lägre andel för villaägare i Sollentuna (ca. 33%) jämfört med villaägare i Saltsjö-Boo (ca. 34%), men effekten är inte signifikant och under alla omständigheter liten Proportion höglastanvändning Saltsjö-Boo Sollentuna 0.37 Proportion Villa Bostadsrätt Hy resrätt Boendeform Figur 7: Medelvärden för proportionen av förbrukning av el på höglasttid som en funktion av område och boendeform. Endast effekten av boendeform är statistiskt signifikant. Spridningen i figuren beskriver 95 % konfidensintervall för medelvärdet. I princip skulle det kunna finnas någon annan bakomliggande variabel som skiljer områdena Saltsjö-Boo och Sollentuna åt och som döljer en effekt av att området har en effekttariff eller ej. De kanske mest uppenbara möjliga sådana variablerna skulle kunna vara skillnader i inkomst mellan områdena eller skillnader i hur hög grad hushållets medlemmar befinner sig hemma på dagtid. Som framgår i Bilagorna 12 och 13 ger ytterligare analyser för att undersöka möjliga sådana effekter inget stöd för att en skillnad mellan områdena undertrycks av skillnader i dessa avseenden Finns avsikten att flytta sin elkonsumtion till låglasttid? I enkäten bedömde hushållen på skalor från 1 till 7 hur stark avsikt de har att flytta sin elanvändning till låglasttid (intention). De hushåll som skattade att de hade högre avsikt att flytta sin elanvändning till låglasttid hade också en statistiskt signifikant lägre andel elförbrukning på höglasttid (r = -.183, p <.001). Som framgår i Figur 8 anger hushållen i Sollentuna en starkare avsikt att flytta sin elanvändning till låglasttid än hushållen i Saltsjö-Boo och den skillnaden gäller framförallt de som bor i villa (denna interaktion är signifikant). 21